• 한국전자거래학회지
• /
• 제27권2호
• /
• pp.205-218
• /
• 2022

최근 제조업에서의 디지털 전환이 가속화되고 있다. 이에 따라 사물인터넷(internet of things: IoT) 기반으로 현장 데이터를 수집하는 기술의 중요성이 증대되고 있다. 이러한 접근법들은 주로 각종 센서와 통신 기술을 활용하여 특정 제조 데이터를 확보하는 것에 초점을 맞춘다. 현장 데이터 수집의 채널을 확장하기 위해 본 연구는 비전(vision) 인공지능 기반으로 제조 데이터를 자동 수집하는 방법을 제안한다. 이는 실시간 영상 정보를 객체 탐지 및 추적 기술로 분석하고, 필요한 제조 데이터를 확보하는 것이다. 연구진은 객체 탐지 및 추적 알고리즘으로 YOLO(You Only Look Once)와 딥소트(DeepSORT)를 적용하여 프레임별 객체의 움직임 정보를 수집한다. 이후, 움직임 정보는 후보정을 통해 두 가지 제조 데이터(생산 실적, 생산 시간)로 변환된다. 딥러닝을 위한 학습 데이터를 확보하기 위해 동적으로 움직이는 공장 모형이 제작되었다. 또한, 실시간 영상 정보가 제조 데이터로 자동 변환되어 데이터베이스에 저장되는 상황을 재현하기 위해 운영 시나리오를 수립하였다. 운영 시나리오는 6개의 설비로 구성된 흐름 생산 공정(flow-shop)을 가정한다. 운영 시나리오에 따른 제조 데이터를 수집한 결과 96.3%의 정확도를 보였다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.36-45
• /
• 2023

최근 디지털 농업에 있어서 IoT를 기반으로 한 온실의 종류 및 활용이 확산되고 있으며, 온실의 현대화, 대형화와 스마트 기술을 활용한 공장화까지 진행되고 있다. 그러나 스마트 온실에서의 데이터 수집을 위한 장비와 온실의 크기나 모양과 같은 형태에 따른 구체적 규격화 방안이 제시되지 못하고 있다. 즉, 온실의 규모에 따른 센서와 장비의 종류 및 개수, 작물 및 탄소 중립에 부합하는 온실 시공 필름 종류와 자재 등 시설 설비를 위한 표준 자료가 부족한 실정이다. 따라서 본 연구에서는 데이터 수집을 위한 IoT 장비의 구현, 설치 및 수량의 적합성에대하여 시험하였으며, 데이터 수집과 통신 방식의 구현을 통해 일부 표준기술을 제시하였다. 또한, 기존 온실의 90% 정도를 차지하고 있는 PE, PVC, EVA에 대한 충격강도, 인장, 인열, 신장율, 광투과성 및 수명 문제를 제시하였고, 필름으로 만들어지는 온실의 형태나 규모, 환경적 문제점을 본문에 제시하였다. 본 연구 논문에서는 온실 규모나 농가작물의 형태, 온실 수명 및 필름의 환경적 문제의 해결책으로 나노 소재 필름을 활용한 규격화된 탄소중립 모듈형 스마트 온실을 구현하고 기존 온실과의 성능을 분석·제시하였다. 이를 통해 온실의 규모나 농가작물의 형태에 구분이 없고, 수명이 연장되고 규격화되어 확장 및 축소가 자유로운 묘듈화된 온실을 제안한다. 최종적으로 기존PE, PVC, EVA 필름을 사용한 온실의 평균적 특성과 새로운 탄소중립형 나노 소재를 사용한 온실의 특성을 비교 검토하고, 탄소중립을 지원하는 확장 가능형 IoT 온실의 구현 방안을 제시하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권6호
• /
• pp.193-204
• /
• 2022

SME(small and medium-sized enterprise) 환경의 스마트제조 환경에서는 실제 제조라인에서 동작하는 센서(Sensor) 및 액추에이터(Actuator)와 이를 관리하는 PLC(Programmable Logic Controller), 더불어 그러한 PLC를 제어 및 관리하는 HMI(Human-Machine Interface), 그리고 다시 PLC와 HMI를 관리하는 OT(Operational Technology)서버로 구성되어 있으며, 제어자동화를 담당하는 PLC 및 HMI는 공장운영을 위한 응용시스템인 OT서버 및 현장 자동화를 위한 로봇, 생산설비와의 직접적인 연결을 수행하고 있어서 스마트제조 환경에서 보안 기술의 개발이 중점적으로 필요한 영역이다. 하지만, SME 환경의 스마트제조에서는 과거의 폐쇄 환경에서 동작하던 시스템으로 구성되어 있는 경우가 상당하여 인터넷을 통해 외부와 연동되어 동작하게 되는 현재의 환경에서는 보안에 취약한 부분이 존재한다. 이러한 SME 환경의 스마트제조 보안 내재화를 이루기 위해서는, 스마트제조 SW 및 HW 개발 단계에서 IEC 62443-4-1 Secure Product Development Lifecycle에 따른 프로세스 정립 및 IEC 62443-4-2 Component 보안 요구사항과 IEC 62443-3-3 System 보안 요구사항에 적합한 개발 방법론의 도입이 필요하다. 따라서, 본 논문에서는 SME 환경에서의 스마트제조에 보안 내재화를 제공하기 위한 IEC 62443 기반의 개발 보안 생애주기 프로세스에 대한 적용 방안을 제안한다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.185-203
• /
• 2020

4차 산업혁명과 함께 ICT(정보통신기술)와 제조업이 융합된 스마트 제조업 시대로 변화하고 있다. 과거의 제조업은 생산효율 증진을 위한 단순 목적으로 공업적인 기술 혁신을 추구했다면, 스마트 제조업에서는 ICT와 융합된 스마트팩토리 구축을 통해 제조 공정과 서비스 형태가 융·복합 플랫폼 형태로 변모하고 있다. 스마트팩토리 구현 기업들은 ICT의 장점을 활용한 이점과 함께, 개방화/융합화/정보화에 따라 발생하게 되는 보안 이슈를 동시에 접하게 된다. 스마트팩토리에서는 ICT를 기반으로 모든 기계와 설비 등이 연결되어 기존에 생각하지 못했던 융·복합적 보안 위협요인에 노출되고 상시적으로 다양한 사이버 위협이 발생할 수 있음으로 보안이 더욱 강화되어야 한다. 보안사고의 위험을 줄이고 스마트팩토리를 성공적으로 도입하기 위해서는, ICT 기술들이 적용되고 있는 스마트팩토리 산업 현장의 특성을 감안하여 우선적으로 적용되어야 할 주요 보안요인들을 도출할 필요가 있다. 본 연구에서는 스마트팩토리 구축 시 적용해야 할 보안요인들의 중요도를 파악하기 위해 단말/네트워크/플랫폼·서비스 범주를 포괄한 '스마트팩토리 보안요인의 계층적 분류 모델'을 제시하고, 스마트팩토리 및 보안 관련 전문가 그룹(기술위원, 사업전문가, 보안전문가)을 대상으로 중요도 평가 분석을 수행하였다. 본 연구에서는 AHP 기법을 활용하여 다양한 보안 위협으로부터 안전한 스마트팩토리 구현에 필요한 보안요인들의 상대적 중요도를 도출하고 이를 기반으로 스마트팩토리 보안요인간의 우선순위를 제시하였다. 본 연구 결과를 통해, 앞으로 더욱 확산될 스마트팩토리가 보다 안전하게 구축·운용될 수 있도록 스마트 제조업 시대에 필요한 정보보안 확보에 기여할 수 있을 것이다.

• 동아시아식생활학회지
• /
• 제21권3호
• /
• pp.392-400
• /
• 2011

본 연구는 선선편이 농산물 및 가공환경 중에 발생하는 미생물학적 위해 요소를 분석하여 공정 중 오염을 유발하는 지점을 재분석하고, 현재 사용되는 HACCP 계획서의 CCP 검증을 통하여 새로운 HACCP 가이드라인을 제시하였다. 본 연구의 대상인 A업체의 공장 내의 환경 오염도를 나타내는 공중 낙하균의 구획 분리 등의 관리로 인하여 $10^1$ log CFU/plate/15 min 이하의 대체적으로 낮은 오염도를 보였다. 기구 및 설비에 대한 표면 오염도를 검사 한 결과, E. coli는 검출되지 않았으며, 기구 및 설비의 총균수와 대장균군 오염도는 1~2 log CFU/100 $cm^2$ 수준을 보였다. 그러나 재료가 직접적으로 닿는 기구 중 원재료를 다듬는 도마($4.20{\pm}2.12$ log CFU/$cm^2$)와 세척 후 이용하는 탈수기 의 표면($4.57{\pm}0.92$ log CFU/$cm^2$)의 총균수의 오염도가 높게 나와 도마와 탈수기를 통해 교차 오염의 위험성이 높은 것을 확인할 수 있었다. A업체의 주요 생산 품목인 양상추와 양배추의 공정별 미생물 감소 효과를 본 결과, 양상추와 양배추 원재료의 총균수는 5~6 log CFU/g, 대장균군은 2.5 log CFU/g 정도의 오염도를 보였으며, 박피 및 절단, 1차 세척, 2차 세척, 건조의 과정을 거친 후의 최종 완제품에 대하여 양상추와 양배추의 총균수는 3~4 log CFU/g, 대장균군은 1~2 log CFU/g의 오염도를 보여 공정 과정을 거치는 동안 미생물이 감소하는 것을 확인할 수 있었다. 그러나 2차 세척과 탈수의 과정에서 미생물의 오염도가 유지 또는 증가하여 2차 세척과 탈수 공정에 대한 관리가 필요하였다. 공정 환경과 공정 효과에 대한 미생물학적 위해 요소를 분석한 결과, 기존의 HACCP 계획서에서 지정한 CCP(1차 세척공정, 금속 검출 공정)외에 세 개의 CP(2차 세척 공정, 탈수공정, 완제품의 저장)를 추가 설정한 새로운 HACCP 가이드라인을 제안하였다.

• Korean Chemical Engineering Research
• /
• 제56권1호
• /
• pp.85-95
• /
• 2018

본 연구에서는 폐가스 가습조(유동상호기 및 무산소조)를 포함한 바이오필터공정으로 이루어진 바이오필터시스템을 구축하여, 돈사 및 계사 설비, 퇴비공장 또는 공공시설에서 발생되는 황화수소, 암모니아 및 휘발성 유기화합물을 포함한 악취폐가스에 대한 처리효율을 제고하고 적정 작업조건을 구축하였다. 복합 악취폐가스 처리실험에서, 암모니아 부하의 경우 폐가스 가습조에서 약 75%가 제거되고, 후 공정인 바이오필터에서 20%이상 제거되었다. 톨루엔 부하의 경우 폐가스 가습조에서 약 20%가 제거되고, 후공정인 바이오필터에서 70% 이상 제거되었다. 따라서 물에 용해도가 높은 암모니아의 경우에는 폐가스 가습조에서 주로 제거되었고, 용해도가 낮은 톨루엔의 경우는 바이오필터에서 주로 제거되었다. 한편 황화수소는 폐가스 가습조에서 거의 흡수되어 바이오필터에서 검출되지 않았다. 황화수소 및 톨루엔의 공급을 중단하였을 때에, 암모니아 부하는 폐가스 가습조에서 약 65%가 제거되고 후 공정인 바이오필터에서 나머지 약 35% 정도가 제거되어, 거의 100%의 암모니아 부하가 제거되었다. 폐가스 가습조에서는 암모니아 외에 톨루엔 및 황화수소의 부하가 추가된 복합 악취폐가스의 경우보다 약 10% 더 적게 암모니아가 제거되었는데, 이것은 탈질에 필요한 톨루엔과 같은 유기화합물의 공급 중단에 기인하였다. 바이오필터시스템의 feed가, 1)복합 악취폐가스일 때, 2)암모니아 폐가스일 때에; 기존 폐가스 가습조 용수에 yeast extract를 보충한 경우 또는 yeast extract를 첨가하지 않고 탄소원으로 glucose를 첨가한 경우, 각각의 경우에 폐가스 가습조에서 흡수되는 암모니아질소 흡수율은, 각각 약 0.28 mg/min, 약 0.23 mg/min 및 약 0.27 mg/min으로 산출되었다. 한편 각각의 무산소조에서 탈질율은 0.42 mg/min, 0.55 mg/min, 및 약 0.27 mg/min이었다. 또한 폐가스 가습조(유동상 호기조)의 bubble column 모델링에서 유동상 호기조 단위부피당 bubble의 비표면적(a)과 향상된 물질전달계수(E $K_y$)의 곱의 값은 0.12/hr로 평가되었다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.